Clubes de convergência de renda na América: uma abordagem através de painel dinâmico não-linear com variável limiar
Notice bibliographique
Résumé
The main objectives of this work are to test empirically the hypothesis of income convergence process among American countries, to classify this convergence process as either absolute or conditional and to determine if this process happens in either a linear or non-linear manner. Estimations were made through both TAR (threshold autoregressive) panel and linear autoregressive panel and the results were compared to each other. The sample of countries are composed by Argentina, Bolivia, Brazil, Canada, Chile, Colombia, Costa Rica, Dominican Republic, Ecuador, El Salvador, Guatemala, Honduras, Jamaica, Mexico, Nicaragua, Peru, Trinidad and Tobago, Uruguay, USA and Venezuela. The sample period is 1953-2003 and data are in annual basis. Results held for this sample show no evidence of convergence in both TAR and linear models. Additional estimations were made in sub-samples of countries that compose three American free trade agreements. The porpoise was testing two different hypotheses. The first one is that convergence process occurs in clubs. The second one is the theoretical hypothesis that foreign trade leads to convergence among countries involved in it. The three free trade agreements widened were Nafta, CAN and Mercosul. Results held for Nafta also show no evidence of convergence in both models. CAN’s results show empirical evidence of convergence, as TAR model concludes for absolute convergence in one of two regimes. Results held for Mercosul sample show stronger evidence of convergence process. Both linear and TAR models conclude for absolute convergence, the former in both regimes. Even using a different methodology than conventional β-convergence and σ-convergence, results are in consonance with those found in the literature.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».